Pandas基础知识--pd.DataFrame()

于 2024-09-14 10:14:36 发布
阅读量879 收藏 9
点赞数 18
分类专栏： Python 文章标签： pandas python 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52317507/article/details/142251225
版权

pd.DataFrame() 数据框

（附件为代码运行信息）

1、创建数据框

pd.DataFrame(data,index,columns,dtype=None)

In [1]:

#无index和columns
import pandas as pd
a = pd.DataFrame([[1,2,3],
                 [4,5,6],
                 [7,8,9]])
a

Out[1]:

012
0123
1456
2789

In [2]:

#index 行索引，columns 列索引
a = pd.DataFrame([[1,2,3],
                 [4,5,6],
                 [7,8,9]],
                index = ['a','b','c'],
                columns =['t','p','q'])
a

Out[2]:

tpq
a123
b456
c789

In [3]:

#抽出其中一列为pd.Series对象
b = a['t']
b

Out[3]:

a    1
b    4
c    7
Name: t, dtype: int64

In [5]:

#DataFrame的每一列可为不同的数据类型
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = ['a','b','c'],
                columns =['t','p','q'])
a.dtypes

Out[5]:

t    float64
p      int64
q      int64
dtype: object

In [7]:

#时间索引 index
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
a

Out[7]:

tpq
2020-01-011.123
2020-01-024.156
2020-01-037.189

2、读取CSV文件

In [ ]:

#带有索引和列名的csv
a = pd.read_csv('xxx.csv',index_col = 0) #第几列为行索引（index）

In [ ]:

#只带有索引或者列名的csv
a = pd.read_csv('xxx.csv',index_col = 0,header=None) #没有列名
b = pd.read_csv('xxx.csv',index_col = 0,header=['t','p','q','rh']) #没有列名，可以指定列名

In [ ]:

#没有索引读取
a = pd.read_csv('xxx.csv',index_col = None) #没有索引，可以将index指定为None
b = pd.read_csv('xxx.csv',) #没有索引，或者直接省略index_col

In [ ]:

#对含有时间列的读取。如果CSV文件中有时间列，则默认情况下读取出来的数据可能是字符串类型。
#使用parse_index参数指定需要读取的列为时间列
a = pd.read_csv('xxx.csv',parse_dates=[0])#第1列为时间列读取

a = pd.read_csv('xxx.csv',parse_dates=[0],index_col=[0]) #将时间列指定为索引

a = pd.read_csv('xxx.csv',parse_dates=[0，1])#时间列分离读取

3、pd.DataFrame的算术运算

In [8]:

#与标量进行运算
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
print(a)
print('-'*10)
b = a-100
print(b)

              t  p  q
2020-01-01  1.1  2  3
2020-01-02  4.1  5  6
2020-01-03  7.1  8  9
----------
               t   p   q
2020-01-01 -98.9 -98 -97
2020-01-02 -95.9 -95 -94
2020-01-03 -92.9 -92 -91

In [10]:

#pd.DataFrame对象与pd.Series对象进行运算 
#二者以行为单位进行运算   pd.DataFrame对象的每一行都加上pd.Series对象的值
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
b = pd.Series([1,2,3],index=['t','p','q'])   #注意从DataFrame中取出一列为Series对象 columns为取出转为Serise对象的index 
#在DataFrame和Series对象做运算时是DateFrame对象的columns，与Series对象对应
print(a+b)

              t   p   q
2020-01-01  2.1   4   6
2020-01-02  5.1   7   9
2020-01-03  8.1  10  12

In [11]:

#pd.DataFrame对象与pd.DataFrame对象作运算
#需要同时对齐索引和列名进行逐元素运算
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
b = pd.DataFrame([[2.1,2,3],
                 [3.1,5,6],
                 [4.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
print(b-a)

              t  p  q
2020-01-01  1.0  0  0
2020-01-02 -1.0  0  0
2020-01-03 -3.0  0  0

In [1]:

##提取满足条件的行
import pandas as pd
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])

b = a[a['t']>2]
print(b)

              t  p  q
2020-01-02  4.1  5  6
2020-01-03  7.1  8  9

In [3]:

b = a[(a['t']>2) & (a['q']<8) ]
print(b)

              t  p  q
2020-01-02  4.1  5  6

In [4]:

b = a[(a['t']>2) | (a['q']<8) ]
print(b)

              t  p  q
2020-01-01  1.1  2  3
2020-01-02  4.1  5  6
2020-01-03  7.1  8  9

In [7]:

#按照时间索引条件索取
b = a[a.index.day == 1]
print(b)
print('-'*10)
c = a[a.index.month == 1]
print(c)
print('-'*10)
d = a[a.index.year == 2020]
print(d)

              t  p  q
2020-01-01  1.1  2  3
----------
              t  p  q
2020-01-01  1.1  2  3
2020-01-02  4.1  5  6
2020-01-03  7.1  8  9
----------
              t  p  q
2020-01-01  1.1  2  3
2020-01-02  4.1  5  6
2020-01-03  7.1  8  9

4、pd.DataFrame 的常用属性

In [8]:

#.dtypes Series对象：dtype
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
a.dtypes

Out[8]:

t    float64
p      int64
q      int64
dtype: object

In [9]:

#.ndim
a.ndim

Out[9]:

2

In [10]:

#.shape
a.shape

Out[10]:

(3, 3)

In [12]:

#.at 通过行、列标签访问单个元素
a.at['2020-01-01','t']

Out[12]:

1.1

In [13]:

#.iat 通过行、列标签位置访问单个元素
a.iat[0,0]

Out[13]:

1.1

In [21]:

#.loc 通过行列标签或者布尔序列访问多个元素

#行
b = a.loc['2020-01-01'] #结果为Series
print(b)
print('-'*10)
c = a.loc[['2020-01-01']]  #结果为DataFrame
print(c) 
d = a.loc[['2020-01-01','2020-01-02']]
print('-'*10)
print(d)

t    1.1
p    2.0
q    3.0
Name: 2020-01-01 00:00:00, dtype: float64
----------
              t  p  q
2020-01-01  1.1  2  3
----------
              t  p  q
2020-01-01  1.1  2  3
2020-01-02  4.1  5  6

In [25]:

#列
b = a.loc[:,'t']   #Series
print(b)
print('-'*10)
c = a.loc[:, ['t']] #DataFrame
print(c)
print('-'*10)
d = a.loc[:,['t','p']]
print(d)

2020-01-01    1.1
2020-01-02    4.1
2020-01-03    7.1
Name: t, dtype: float64
----------
              t
2020-01-01  1.1
2020-01-02  4.1
2020-01-03  7.1
----------
              t  p
2020-01-01  1.1  2
2020-01-02  4.1  5
2020-01-03  7.1  8

In [26]:

#按布尔序列访问行列
b = a.loc[[True,False,True]]
print(b)
print('-'*10)
c = a.loc[:,[True,False,True]]
print(c)

              t  p  q
2020-01-01  1.1  2  3
2020-01-03  7.1  8  9
----------
              t  q
2020-01-01  1.1  3
2020-01-02  4.1  6
2020-01-03  7.1  9

In [31]:

#.iloc通过行列位置访问多个元素
#行
b = a.iloc[0] #Series
print(b)
print('-'*10)
c = a.iloc[[0]] #DataFrame
print(c)
print('-'*10)
d  = a.iloc[[0,1]]
print(d)

t    1.1
p    2.0
q    3.0
Name: 2020-01-01 00:00:00, dtype: float64
----------
              t  p  q
2020-01-01  1.1  2  3
----------
              t  p  q
2020-01-01  1.1  2  3
2020-01-02  4.1  5  6

In [33]:

#列
b = a.iloc[:,0] #Series
print(b)
print('-'*10)
c = a.iloc[:,[0]] #DataFrame
print(c)
print('-'*10)
d = a.iloc[:,[0,1]]
print(d)

2020-01-01    1.1
2020-01-02    4.1
2020-01-03    7.1
Name: t, dtype: float64
----------
              t
2020-01-01  1.1
2020-01-02  4.1
2020-01-03  7.1
----------
              t  p
2020-01-01  1.1  2
2020-01-02  4.1  5
2020-01-03  7.1  8

In [34]:

#.values 获取原始的np.ndarray对象
a.values

Out[34]:

array([[1.1, 2. , 3. ],
       [4.1, 5. , 6. ],
       [7.1, 8. , 9. ]])

5、pd.DataFrame对象常用方法

In [39]:

#dropna 删除NaN
import numpy as np
#删除包含NaN的行或列
a = pd.DataFrame([[1.1,np.nan,3],
                 [np.nan,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
print(a)
print('-'*10) 
print(a.dropna()) #删除含Nan的行
print('-'*10) 
print(a.dropna(axis=1)) #删除含Nan的列

              t    p  q
2020-01-01  1.1  NaN  3
2020-01-02  NaN  5.0  6
2020-01-03  7.1  8.0  9
----------
              t    p  q
2020-01-03  7.1  8.0  9
            q
2020-01-01  3
2020-01-02  6
2020-01-03  9

In [42]:

#仅删除全为Nan的行或者列
a = pd.DataFrame([[np.nan,np.nan,np.nan],
                 [np.nan,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
print(a)
print('-'*10) 
print(a.dropna(how = 'all')) #删除含Nan的行
print('-'*10) 
print(a.dropna(axis=1, how = 'all')) #删除含Nan的列

              t    p    q
2020-01-01  NaN  NaN  NaN
2020-01-02  NaN  5.0  6.0
2020-01-03  7.1  8.0  9.0
----------
              t    p    q
2020-01-02  NaN  5.0  6.0
2020-01-03  7.1  8.0  9.0
----------
              t    p    q
2020-01-01  NaN  NaN  NaN
2020-01-02  NaN  5.0  6.0
2020-01-03  7.1  8.0  9.0

In [44]:

#groupby 分组汇总 对象支持sum() mean() max() min() var() size()
#通过原始数据分组
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3'])
print(a)
print('-'*10)
print(a.groupby(level = 0 ).sum()) 
print('-'*10)
print(a.groupby(level = 0 ).size()) #计算每个分组的长度

             s1  s2  s3
2020-01-01  1.1   2   3
2020-01-02  4.1   5   6
2020-01-03  7.1   8   9
----------
             s1  s2  s3
2020-01-01  1.1   2   3
2020-01-02  4.1   5   6
2020-01-03  7.1   8   9
----------
2020-01-01    1
2020-01-02    1
2020-01-03    1
dtype: int64

In [50]:

#by参数使用列名称进行分组
a = pd.DataFrame([[1.1,2,3,'k1'],
                 [4.1,5,6,'k1'],
                 [7.1,8,9,'k2']],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3','kind'])
print(a)
print('-'*10)
print(a.groupby(by = 'kind').sum())

             s1  s2  s3 kind
2020-01-01  1.1   2   3   k1
2020-01-02  4.1   5   6   k1
2020-01-03  7.1   8   9   k2
----------
       s1  s2  s3
kind             
k1    5.2   7   9
k2    7.1   8   9

In [56]:

#通过函数分组
a = pd.DataFrame([[1.1,2,3,'k1'],
                 [4.1,5,6,'k1'],
                 [7.1,8,9,'k2']],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3','kind'])
print(a)
print('-'*10)
print(a.groupby(by = lambda x: x=='k2').sum())

             s1  s2  s3 kind
2020-01-01  1.1   2   3   k1
2020-01-02  4.1   5   6   k1
2020-01-03  7.1   8   9   k2
----------
         s1  s2  s3    kind
False  12.3  15  18  k1k1k2

In [57]:

#对时间戳类型进行分组
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3'])
print(a)
print('-'*10)
print(a.groupby(by = lambda x: x.day).sum())

             s1  s2  s3
2020-01-01  1.1   2   3
2020-01-02  4.1   5   6
2020-01-03  7.1   8   9
----------
    s1  s2  s3
1  1.1   2   3
2  4.1   5   6
3  7.1   8   9

In [59]:

#applymap()  map() 按规则映射
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3'])
print(a)
print('-'*10)
print(a.map(lambda x:x/10))

             s1  s2  s3
2020-01-01  1.1   2   3
2020-01-02  4.1   5   6
2020-01-03  7.1   8   9
----------
              s1   s2   s3
2020-01-01  0.11  0.2  0.3
2020-01-02  0.41  0.5  0.6
2020-01-03  0.71  0.8  0.9

In [61]:

#resample() 重采样
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-04']),
                columns =['s1','s2','s3'])
print(a)
print('-'*10)
print(a.resample('2D').mean()) #升采样
print('-'*10)
print(a.resample('1D').mean()) #降采样

             s1  s2  s3
2020-01-01  1.1   2   3
2020-01-02  4.1   5   6
2020-01-04  7.1   8   9
----------
             s1   s2   s3
2020-01-01  2.6  3.5  4.5
2020-01-03  7.1  8.0  9.0
----------
             s1   s2   s3
2020-01-01  1.1  2.0  3.0
2020-01-02  4.1  5.0  6.0
2020-01-03  NaN  NaN  NaN
2020-01-04  7.1  8.0  9.0

In [68]:

#interpolate() / fillna() 填充NaN
#对于interpolate()通过插值的方式填充NaN，默认以列的方式进行插值。对于fillna()的方法，可以用指定值或前、后值对NaN进行填充
a = pd.DataFrame([[2,3,4],
                 [5,np.nan,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
print(a)
print('-'*10) 
b = a.interpolate(method='linear') #列线性插值
print(b) 
print('-'*10) 
print(a.interpolate(method='linear',axis = 1)) #行线性插值

              t    p  q
2020-01-01  2.0  3.0  4
2020-01-02  5.0  NaN  6
2020-01-03  7.1  8.0  9
----------
              t    p  q
2020-01-01  2.0  3.0  4
2020-01-02  5.0  5.5  6
2020-01-03  7.1  8.0  9
----------
              t    p    q
2020-01-01  2.0  3.0  4.0
2020-01-02  5.0  5.5  6.0
2020-01-03  7.1  8.0  9.0

In [72]:

a = pd.DataFrame([[2,3,4],
                 [5,np.nan,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['t','p','q'])
print(a)
print('-'*10) 
print(a.fillna(value=999)) #特定值填充
print('-'*10) 
print(a.bfill()) #列向后值填充
print('-'*10) 
print(a.ffill()) #列向后值填充

              t    p  q
2020-01-01  2.0  3.0  4
2020-01-02  5.0  NaN  6
2020-01-03  7.1  8.0  9
----------
              t      p  q
2020-01-01  2.0    3.0  4
2020-01-02  5.0  999.0  6
2020-01-03  7.1    8.0  9
----------
              t    p  q
2020-01-01  2.0  3.0  4
2020-01-02  5.0  8.0  6
2020-01-03  7.1  8.0  9
----------
              t    p  q
2020-01-01  2.0  3.0  4
2020-01-02  5.0  3.0  6
2020-01-03  7.1  8.0  9

In [75]:

#reindex()  reindex_like 按照指定序列/索引和列名排序
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3'])
print(a)
print('-'*10)
print(a.reindex(['2020-01-02','2020-01-01','2020-01-03']))
print('-'*10)
print(a.reindex(index=['2020-01-02','2020-01-01','2020-01-03'],columns=['s2','s1','s3']))  #按照指定序列排序

             s1  s2  s3
2020-01-01  1.1   2   3
2020-01-02  4.1   5   6
2020-01-03  7.1   8   9
----------
             s1  s2  s3
2020-01-02  4.1   5   6
2020-01-01  1.1   2   3
2020-01-03  7.1   8   9
----------
            s2   s1  s3
2020-01-02   5  4.1   6
2020-01-01   2  1.1   3
2020-01-03   8  7.1   9

In [77]:

#reindex_like 用已有的DataFrame对象的索引和列名排序
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3'])
b = pd.DataFrame(data = None,index=['2020-01-02','2020-01-01','2020-01-03'],columns=['s2','s1','s3'])
print(a.reindex_like(b))

            s2   s1  s3
2020-01-02   5  4.1   6
2020-01-01   2  1.1   3
2020-01-03   8  7.1   9

In [78]:

#reset_index() 重置索引  原索引被还原成数据列
print(a.reset_index())

       index   s1  s2  s3
0 2020-01-01  1.1   2   3
1 2020-01-02  4.1   5   6
2 2020-01-03  7.1   8   9

In [80]:

#rolling 滑动窗口计算 返回对象支持 max() min()  sum() mean() 
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-01','2020-01-02','2020-01-03']),
                columns =['s1','s2','s3'])
print(a.rolling(2).mean()) #普通序列滑动

#对时间序列滑动计算
print('-'*10)
print(a.rolling('2D').mean())  #时间周期作为字符串滑动时，数组边缘元素的滑动窗口的最小值为1

             s1   s2   s3
2020-01-01  NaN  NaN  NaN
2020-01-02  2.6  3.5  4.5
2020-01-03  5.6  6.5  7.5
----------
             s1   s2   s3
2020-01-01  1.1  2.0  3.0
2020-01-02  2.6  3.5  4.5
2020-01-03  5.6  6.5  7.5

In [82]:

#sort_index 按照索引排序
a = pd.DataFrame([[1.1,2,3],
                 [4.1,5,6],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-02','2020-01-01','2020-01-03']),
                columns =['s2','s1','s3'])
print(a)
print('-'*10)
print(a.sort_index(ascending=True)) #升序
print('-'*10)
print(a.sort_index(ascending=False)) #降序

             s2  s1  s3
2020-01-02  1.1   2   3
2020-01-01  4.1   5   6
2020-01-03  7.1   8   9
----------
             s2  s1  s3
2020-01-01  4.1   5   6
2020-01-02  1.1   2   3
2020-01-03  7.1   8   9
----------
             s2  s1  s3
2020-01-03  7.1   8   9
2020-01-02  1.1   2   3
2020-01-01  4.1   5   6

In [85]:

#sort_values() 按照数据排序
a = pd.DataFrame([[8.1,9,3],
                 [4.1,5,1],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-02','2020-01-01','2020-01-03']),
                columns =['s2','s1','s3'])
print(a)
print('-'*10)
print(a.sort_values('s2')) #按照p列升序排列
print('-'*10)
print(a.sort_values('s2',ascending=False)) #降序

             s2  s1  s3
2020-01-02  8.1   9   3
2020-01-01  4.1   5   1
2020-01-03  7.1   8   9
----------
             s2  s1  s3
2020-01-01  4.1   5   1
2020-01-03  7.1   8   9
2020-01-02  8.1   9   3
----------
             s2  s1  s3
2020-01-02  8.1   9   3
2020-01-03  7.1   8   9
2020-01-01  4.1   5   1

In [88]:

#max() min()
print(a.max()) #列最大值
print('-'*10)
print(a.max(axis=1)) #行最大值

s2    8.1
s1    9.0
s3    9.0
dtype: float64
----------
2020-01-02    9.0
2020-01-01    5.0
2020-01-03    9.0
dtype: float64

In [90]:

#idxmax() idxmin() 最大最小值对应的标签
print(a.idxmax()) #列最大值对应的标签
print('-'*10)
print(a.idxmax(axis=1)) #行最大值对应的标签

s2   2020-01-02
s1   2020-01-02
s3   2020-01-03
dtype: datetime64[ns]
----------
2020-01-02    s1
2020-01-01    s1
2020-01-03    s3
dtype: object

In [92]:

#std() var()
print(a.std())
print('-'*10)
print(a.var())

s2    2.081666
s1    2.081666
s3    4.163332
dtype: float64
----------
s2     4.333333
s1     4.333333
s3    17.333333
dtype: float64

In [93]:

#corr()  corrwith() 相关系数
#pearson 皮尔逊相关系数（默认） kendall 肯德尔相关系数 spearman 斯皮尔曼相关系数
print(a.corr(method='kendall'))

          s2        s1        s3
s2  1.000000  1.000000  0.333333
s1  1.000000  1.000000  0.333333
s3  0.333333  0.333333  1.000000

In [95]:

a = pd.DataFrame([[8.1,9,3],
                 [4.1,5,1],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-02','2020-01-01','2020-01-03']),
                columns =['s2','s1','s3'])

b = pd.DataFrame([[1.1,9,3],
                 [2.1,5,5],
                 [3.1,5,9]],
                index = pd.to_datetime(['2020-01-02','2020-01-01','2020-01-03']),
                columns =['s2','s1','s3'])
print(a.corrwith(b))

s2   -0.240192
s1    0.693375
s3    0.838628
dtype: float64

In [3]:

#cov() 计算协方差
import pandas as pd
a = pd.DataFrame([[8.1,9,3],
                 [4.1,5,1],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-02','2020-01-01','2020-01-03']),
                columns =['s2','s1','s3'])
print(a.cov())

          s2        s1         s3
s2  4.333333  4.333333   4.333333
s1  4.333333  4.333333   4.333333
s3  4.333333  4.333333  17.333333

In [ ]:

#sum() mean() abs()

In [ ]:

#to_csv
a.to_scv('xxx.csv')

In [11]:

#astype() 转化数据类似
import numpy as np
print(a.dtypes)
print('-'*10)
b = a.astype(np.float32) #统一转化
print(b.dtypes)
print('-'*10)
b = a.astype({'s1':np.float32},{'s2':np.float64})
print(b.dtypes)

s2    float64
s1      int64
s3      int64
dtype: object
----------
s2    float32
s1    float32
s3    float32
dtype: object
----------
s2    float64
s1    float32
s3      int64
dtype: object

6、pandas的常用函数

In [13]:

#to_numeric() 将序列转换为数值类型
a = pd.DataFrame([[8.1,9,'3'],
                 [4.1,5,1],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-02','2020-01-01','2020-01-03']),
                columns =['s2','s1','s3'])
print(a.dtypes)
print('-'*10)
a['s3'] = pd.to_numeric(a['s3'])
print(a.dtypes)

s2    float64
s1      int64
s3     object
dtype: object
----------
s2    float64
s1      int64
s3      int64
dtype: object

In [15]:

#to_datatime() 将时间序列转换为时间戳形式
a = pd.to_datetime(['20200228','20200301'])
print(a)

DatetimeIndex(['2020-02-28', '2020-03-01'], dtype='datetime64[ns]', freq=None)

In [17]:

#to_timedelta() 将时间转换为时间差类型
a = pd.to_timedelta(['1 day','10 min','20 s'])
print(a)

TimedeltaIndex(['1 days 00:00:00', '0 days 00:10:00', '0 days 00:00:20'], dtype='timedelta64[ns]', freq=None)

In [22]:

#data_range() 生成时间序列 等差序列
a = pd.date_range(start = '2020-03-01', periods = 3, freq = '3h')  #periods用于指定生成元素的个数。freq时间步长，省略默认周期为1
print(a)

b = pd.date_range(start = '2020-03-01', end = '2020-03-03',freq = 'D')
print(b)

c = pd.date_range(start = '2020-03-01', end = '2020-03-03')
print(c)

DatetimeIndex(['2020-03-01 00:00:00', '2020-03-01 03:00:00',
               '2020-03-01 06:00:00'],
              dtype='datetime64[ns]', freq='3h')
DatetimeIndex(['2020-03-01', '2020-03-02', '2020-03-03'], dtype='datetime64[ns]', freq='D')
DatetimeIndex(['2020-03-01', '2020-03-02', '2020-03-03'], dtype='datetime64[ns]', freq='D')

In [ ]:

#merge()  按值连接两个pd.DataFrame  等同于excel中的vlookup

In [24]:

#concat() 合并多个pd.DataFrame
a = pd.DataFrame([[8.1,9,'3'],
                 [4.1,5,1],
                 [7.1,8,9]],
                index = pd.to_datetime(['2020-01-02','2020-01-01','2020-01-03']),
                columns =['s2','s1','s3'])
print(pd.concat([a,a]))
print('-'*10)
print(pd.concat([a,a],axis=1))

             s2  s1 s3
2020-01-02  8.1   9  3
2020-01-01  4.1   5  1
2020-01-03  7.1   8  9
2020-01-02  8.1   9  3
2020-01-01  4.1   5  1
2020-01-03  7.1   8  9
----------
             s2  s1 s3   s2  s1 s3
2020-01-02  8.1   9  3  8.1   9  3
2020-01-01  4.1   5  1  4.1   5  1
2020-01-03  7.1   8  9  7.1   8  9

In [ ]:

 

In [ ]:
 


                

        

        

    

  


    

      

        

            

              
                
                  夏日麋鹿～
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
pd.DataFrame()函数

				
			

			

				

					happy_wealthy的博客
				

				

					04-21
					
					6525
					
				

			

		

		

			
				
pd.DataFrame()函数
import pandas as pd
import numpy as np


data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, np.nan],  # np.nan表示NA
        'pop': ...

			
		

	



                

              
                



	

		

			

				
					
pd.DataFrame()函数解析

				
			

			

				

					devil_son1234的博客
				

				

					04-15
					
					3万+
					
				

			

		

		

			
				
文章目录

DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表

0 简介

DataFrame的单元格可以存放数值、字符串等，这和excel表很像，同时DataFrame可以设置列名columns与行名index。

1 创建DataFrame

pandas常与numpy一起配合使用，所以通常会一起引用，也就是：

import pandas as...

			
		

	



                


  
              

                


	

		

			

				
					
pd.DataFrame()

				
			

			

				

					jokerxsy的博客
				

				

					03-12
					
					550
					
				

			

		

		

			
				
引用：
pd.DataFrame()函数解析（最清晰的解释）
之后结合自己的使用情况更新



			
		

	





	

		

			

				
					
pandas中DataFrame用法（python）

				
			

			

				

					yourgrandfather_的博客
				

				

					03-21
					
					2306
					
				

			

		

		

			
				
本文主要介绍了python库中pandas的知识，承接上一篇文章，这篇文章讲解DataFrame的基本语法，索引操作，常用属性，常用方法等等。还不赶紧点进来学习。

			
		

	



		

			
		



	

		

			

				
					
Pandas基础知识-pd.DataFrame()

					
最新发布

				
			

			

				

					09-14
				

			

		

		

			
				
Pandas基础知识-pd.DataFrame()

			
		

	





	

		

			

				
					
pandas-tutorial-master.zip

				
			

			

				

					07-11
				

			

		

		

			
				
本教程将通过"Pandas-tutorial-master"压缩包中的内容，深入讲解Pandas的基础和高级应用。  1. **安装与导入**  在Python环境中安装Pandas通常使用pip命令：`pip install pandas`。导入Pandas库时，我们通常使用别名...

			
		

	





	

		

			

				
					
pandas-1.2.5.tar.gz

				
			

			

				

					02-15
				

			

		

		

			
				
一、Pandas基础概念  Pandas是Python的一个开源库，主要设计用于方便地处理结构化和半结构化数据。它构建在NumPy之上，提供了丰富的数据结构，如DataFrame和Series，以及强大的数据操作功能，如合并、分组、排序等。...

			
		

	





	

		

			

				
					
Pandas基础-数据集.zip

				
			

			

				

					07-02
				

			

		

		

			
				
本资料包"**Pandas基础-数据集.zip**"包含了对Pandas基础知识的深入学习，包括文件的读取与写入、Series和DataFrame的使用，以及一些常用的基本函数。通过实例数据集，如**Kobe_data.csv**、**Game_of_Thrones_...

			
		

	





	

		

			

				
					
python 数据分析usagov_bitly_data2012-03-16-1331923249.txt.zip

				
			

			

				

					12-24
				

			

		

		

			
				
Pandas提供DataFrame对象，它是一个二维表格型数据结构，非常适合存储和操作结构化或半结构化数据。我们需要使用Pandas来加载usagov_bitly_data.txt文件，并进行初步的数据探索。  1. **数据加载**：使用Pandas的`...

			
		

	





	

		

			

				
					
pd.DataFrame()函数是什么

				
			

			

				

					缘 源 园
				

				

					03-04
					
					3337
					
				

			

		

		

			
				
DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表.


			
		

	





	

		

			

				
					
pandas之DataFrame使用

				
			

			

				

					lixiao2112924629的博客
				

				

					04-15
					
					2983
					
				

			

		

		

			
				
它含N个有序的列，每一列可以是不同的值类型（数值、字符串、布尔型值），也可以理解为由Series组成的字典（Pandas中用于合并数据的函数，可以沿着指定的轴将多个DataFrame或者Series对象连接起来。默认情况，可以返回指定数量的随机样本的DataFrame。numpy中数组就是类似的二维数组，可以使用行标签指定，也可以使用列标签指定。Index:表示索引值，就是行标签，默认值为0,1,2....；字典的key对应表格的列名，value对应每个列中存在的值。表示列标签，默认值为0,1,2...

			
		

	





	

		

			

				
					
Python中Pandas库提供的函数——pd.DataFrame的基本用法

				
			

			

				

					XDXDXDXDX111的博客
				

				

					10-03
					
					1万+
					
				

			

		

		

			
				
DataFrame可以从各种数据源导入数据，如CSV文件、Excel表格、SQL数据库等，并且可以将数据导出为不同格式的文件。：DataFrame提供了丰富的数据操作方法，包括数据筛选、切片、合并、分组、聚合、排序等。：您可以对DataFrame进行各种数据转换操作，如数据类型转换、列重命名、数据透视表等。：DataFrame提供了处理数据中的恢复值的方法，如删除恢复值或恢复恢复值。方法来查看DataFrame的前几行数据，以了解数据的结构和内容。数据框、访问数据、进行数据操作和分析的方法和属性。

			
		

	





	

		

			

				
					
pd.DataFrame()用法简单记录

					
热门推荐

				
			

			

				

					Miss_leading的博客
				

				

					04-19
					
					6万+
					
				

			

		

		

			
				
pd.DataFrame()
先来看看它的定义：
class DataFrame(
		data=None, 
		index: Optional[Axes]=None, # 行标
		columns: Optional[Axes]=None,  # 列标
		dtype: Optional[Dtype]=None,  # 存储的数据类型
		copy: bool=False)

我们可以直接创建空的dataframe，也可以在创造时就输入数据。
创建一个简单的dataframe：
import panda

			
		

	





	

		

			

				
					
【Python床头书】python pandas.DataFrame参数属性方法用法权威详解

				
			

			

				

					wang2leee的博客
				

				

					10-25
					
					898
					
				

			

		

		

			
				
二维、大小可变、潜在异构的表格数据结构。

数据结构还包**含带有标签的轴（行和列**）。算术运算在行和列标签上对齐。可以将其视为Series对象的类似**字典的容器**。是主要的pandas数据结构。

			
		

	





	

		

			

				
					
pd.DataFrame（）

				
			

			

				

					weixin_51015047的博客
				

				

					01-24
					
					1722
					
				

			

		

		

			
				
b = pd.DataFrame([7,6],columns=['a'])
c = pd.DataFrame([[7],[6]],columns=['a'])
# d = pd.DataFrame([7,6],columns=['a','b'])  #ValueError: Shape of passed values is (2, 1), indices imply (2, 2)
e = pd.DataFrame([[7,6]],columns=['a','b'])
print(b)
print(c)
p

			
		

	





	

		

			

				
					
pandas ---- pd.DataFrame基本用法

				
			

			

				

					smalltorch的博客
				

				

					06-14
					
					2097
					
				

			

		

		

			
				
本部分主要介绍一些注意事项。另外，series是基础，好多用法都是series扩展一下，很类似的。pandas的一些常见用法已经写的很详细了，后面还会继续慢慢完善该博客。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值